日前，Meta和牛津大學的研究人員開發(fā)了一種新的3D生成式AI模型VFusion3D，能夠從單張圖像或文本描述生成高質(zhì)量的3D對象，可能會改變虛擬現(xiàn)實、游戲和數(shù)字設(shè)計等領(lǐng)域。

　　AI新模型VFusion3D來襲

　　據(jù)悉，VFusion3D界面簡單直觀，允許用戶自己上傳或從一系列預加載的示例中選擇圖像，預加載的示例表現(xiàn)非常出色，生成的3D模型和渲染視頻以顯著的準確性捕捉了原始2D圖像的本質(zhì)和細節(jié)。

　　該研究團隊利用預訓練的視頻人工智能模型生成合成3D數(shù)據(jù)，使他們能夠訓練更強大的3D生成系統(tǒng)，解決了長久以來的3D訓練數(shù)據(jù)稀缺問題。隨著這一突破，最終可能會加速3D內(nèi)容的各個行業(yè)的創(chuàng)新。

　　生成AI+ 3D模型受青睞

　　自 ChatGPT 火爆全球，以支持圖像輸入的多模態(tài)大模型 GPT-4 的推出作為契機。大模型的多模態(tài)計算潛力開始在內(nèi)容生成領(lǐng)域發(fā)揮技術(shù)優(yōu)勢，頂尖的科技公司和想要抓住 AIGC 風口的初創(chuàng)企業(yè)開始爭先恐后地推出 AI 驅(qū)動的 3D 模型生成器。

　　目前，行業(yè)內(nèi)應(yīng)用更廣泛的另一種技術(shù)路徑，即借助 2D 擴散模型生成 3D 模型，該方法實現(xiàn)從文本到 3D 模型跨越的關(guān)鍵在于兩個技術(shù)點。

　　說起來，近來，由文本到 3D 生成的方法可以生成令人印象深刻的 3D 效果，上一次出圈是在 SIGGRAPH 上：在 2021 年，英偉達在這個舞臺上介紹了給黃仁勛制作 3D 模型的方法，以假亂真的效果震撼了世界。

　　而就在上周舉行的 SIGGRAPH 2024 大會上，英偉達CEO黃仁勛同Meta的CEO扎克伯格進行對話，雙方都認可AI大模型的進化方向。

　　此外，蘋果公司正在研究的生成式 AI 技術(shù)“HUGS”經(jīng)過訓練后，可以在約 30 分鐘內(nèi)生成數(shù)字人類分身，拓寬了 3D AIGC 技術(shù)的使用場景。

　　業(yè)內(nèi)人士指出，如今，可以肯定的是，3D AIGC 的火熱之下，以及以 XR 為代表的的虛擬內(nèi)容領(lǐng)域，其核心都在于提高創(chuàng)建3D資產(chǎn)的效率。尤其建立在虛擬世界基礎(chǔ)上的 XR 行業(yè)更是如此，3D AIGC 技術(shù)的出現(xiàn)大概率會對尚在發(fā)展初期的 XR 內(nèi)容行業(yè)帶來顛覆性的變革。

　　微美全息密集布局

　　資料顯示，微美全息作為3D視覺及AIGC算法廠商，近年來加快布局3D全鏈條協(xié)同創(chuàng)新，構(gòu)建以自主技術(shù)為主的3D生態(tài)體系和產(chǎn)業(yè)化應(yīng)用，同時強化戰(zhàn)略人才力量建設(shè)，多層次引育3D技術(shù)創(chuàng)新和產(chǎn)業(yè)領(lǐng)軍人才，給了其他平臺進一步發(fā)展的空間。

　　目前來講，微美全息將AIGC技術(shù)和3D生成結(jié)合，可實現(xiàn)更高效、更高質(zhì)量的3D數(shù)字人內(nèi)容生成，生成的數(shù)字模型和紋理進行優(yōu)化，實現(xiàn)個性化的3D大胡子角色生成。此外，生成后的角色還可以進行360度全方位查看，同時也可以選擇把角色進行分享或者公開，極大提高了3D數(shù)字人內(nèi)容制作效率。

　　如今，已經(jīng)看到AIGC+3D技術(shù)在電商、游戲、AR/VR等市場上的巨大增長，未來還將賦予下一階段3D內(nèi)容創(chuàng)作以力量幫助。對此，展望未來，微美全息的3D生成能力+AIGC視覺技術(shù)賦予終端感知能力，也將不斷與更加豐富的場景結(jié)合，持續(xù)助力更多產(chǎn)業(yè)發(fā)展。

　　結(jié)尾

　　總的來看，3D AIGC 技術(shù)基本已經(jīng)實現(xiàn)了從無到有的跨越。而從應(yīng)用場景上看，所有與 3D 密不可分的行業(yè)未來都會成為 3D AIGC 技術(shù)的潛在客戶，在這方面，企業(yè)搶先入局將 AI 圖像、視頻、3D 和實時AI生成模型結(jié)合在一起，通過文本提示創(chuàng)建完全沉浸式的虛擬環(huán)境，將成為未來更大贏家。

免責聲明：以上內(nèi)容為本網(wǎng)站轉(zhuǎn)自其它媒體，相關(guān)信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點，亦不代表本網(wǎng)站贊同其觀點或證實其內(nèi)容的真實性。如稿件版權(quán)單位或個人不想在本網(wǎng)發(fā)布，可與本網(wǎng)聯(lián)系，本網(wǎng)視情況可立即將其撤除。